信息技术监控和分析厂商Splunk今天宣布计划收购Flowmill,这家位于美国加州帕洛阿尔托的初创公司,提供的软件平台可以帮助企业更好地了解其网络。
这次收购预计将在2021年1月31日完成,交易条款未对外公布。
在大型云和本地环境中,排除网络故障往往是一件很棘手的事情,因为很难将数据流量与生成流量的系统相匹配。Flowmill的监控平台让流量来源查找变得更为容易一些,帮助IT团队更快地解决问题。
该平台在后台采用给了一种名为eBPF的Linux内核组件,将数据包与系统和应用进行匹配(Linux是目前企业IT环境中使用最广泛的操作系统)。反过来,该平台的eBPF组件可以将代码直接部署到操作系统内核中,收集有关上层应用的低层级活动数据,并通过这些低数据确定是哪些特定工作负载导致了网络故障的发生。
加速故障排除的技术能力并非Splunk收购Flowmill的唯一原因。Flowmill让企业可以部署Flowmill平台而无需修改他们想要监控的应用或网络,从而避免了传统工具各种耗时的要求。而且Flowmill表示,其平台可以用于降低公有云的网络成本,因为它可以更容易识别那些占用大量带宽的应用。
Splunk计划把Flowmill的技术整合到自己的Observability Suite产品包中,用于监控基础设施和应用。这次收购将帮助Splunk向其功能集中增加基于eBPF的监控功能,而这正是眼下竞争对手和风投方越来越关注的一个领域。就在上个月,一家名为Pixie Labs的初创公司走出隐身模式,凭借一个基于eBPF的Kubernetes环境监控平台获得了915万美元的资金。
此次收购Flowmill只是Splunk最近一系列初创企业战略性收购中的最新一笔。上个月,Splunk收购了应用监控公司Plumbr和网站性能优化专业公司Rigor,将自身技术能力扩展到这两家初创公司所在的领域。
好文章,需要你的鼓励
尽管AI实验广泛开展,但大多数AI项目缺乏成熟度无法规模化。93%的组织在使用或构建AI系统,但仅不到10%建立了强健的治理框架。研究显示,超过50%的AI实验从未投产,仅1%的项目实现真正变革性成果。缺乏数据和AI主权是关键障碍,而拥有主权的组织AI项目成功率提升2倍,回报率增长5倍。
香港中文大学等顶尖院校联合研究发现,当前最先进的AI视频生成技术已能制作出连顶级检测系统都无法识别的假视频。研究团队开发了Video Reality Test平台,测试结果显示最强生成模型Veo3.1-Fast的假视频仅有12.54%被识别,而最强检测系统Gemini 2.5-Pro准确率仅56%,远低于人类专家的81.25%。研究还发现检测系统过度依赖水印等表面特征,音频信息能提升检测准确性,但技术发展已对信息真实性判断带来严峻挑战。
企业正竞相释放AI的变革潜力,但真正的瓶颈不在技术而在人力准备度。Gartner研究显示,56%的CEO计划在未来五年削减管理层级,但91%的CIO未跟踪AI引发的技能变化。超过80%的领导者根本不衡量AI准确性。AI价值取决于员工适应和与智能机器共同发展的能力。CIO必须应对五个关键人力障碍:AI退出效应、中层管理困境、行为副产品、准确性悖论和影子AI现象,这些深层次的行为反射和组织动态如不解决将阻碍转型。
Google DeepMind团队提出了革命性的"扩散预览"模式,通过ConsistencySolver技术实现AI图像生成的"预览+精修"工作流程。该技术能在5-10步内生成高质量预览图像,与传统40步完整生成保持高度一致性,用户体验测试显示总体时间节省近50%,大大提高了创作效率和创意探索的自由度。